文献

J-GLOBAL ID：201802228065031546   整理番号：18A0707847

ML-ID:モノのインターネットにおけるワームホール攻撃を検出するための機械学習アプローチ【JST・京大機械翻訳】

ML-IDS: A machine learning approach to detect wormhole attacks in Internet of Things

著者 (1件)： Shukla Prachi (Dept. of Electrical Engineering, Columbia University, New York, NY 10027)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： IntelliSys  ページ： 234-240  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： インターネットによる多くの低電力組込みデバイスを接続することを目的とした新しいビジネスモデルは,インターネットのインターネット(IoT)である。IoTは,スマート都市,スマート環境,eヘルスケアなどの構築に多くの応用があり,低電力デバイスのための信頼できないインターネットと新しいルーティングプロトコルの存在により,IoTは革新的なセキュリティソリューションを必要とする。本論文において,著者らはIoTのための3つの新しい侵入検出システム(IDSs)を提示した。1)K-平均クラスタ化教師なし学習ベースIDS;2)ディシジョンツリーベースの監督IDS;3)K平均と決定木学習アプローチを組み合わせたハイブリッド2段階IDS。著者らの知る限りでは,これらはIDSs(共にML-IDSと呼ばれる)に対する最初の機械学習ベースのIDSsである。すべての3つのIDSは集中的でスケーラブルな手法である。K平均アプローチは,ランダムIoTネットワークのサイズを変えるために70~93%の検出率を達成する。ディシジョンツリーベースIDSは71~80%の検出率を達成し,ハイブリッドアプローチは同じネットワークサイズに対して71~75%の検出率を達成した。ハイブリッドIDSはより低い検出率を得るが,他の2つのアプローチより正確である。ハイブリッドアプローチは偽陽性を有意に除去するが,他の2つのIDSはより高い数の偽陽性を被る。同様の結果は,IoTネットワークの規則的メッシュ,星およびリングトポロジーに対しても得られ,それぞれ16ノードから構成されている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： ディシジョンツリー ,  ネットワーク ,  プロトコル ,  *インターネット ,  クラスタ化 ,  *機械学習 ,  教師なし学習 ,  *学習 ,  都市
準シソーラス用語： 誤検出 ,  検出率 ,  侵入検知 ,  ルーティングプロトコル ,  ビジネスモデル ,  低電力化 ,  *モノのインターネット , 【Automatic Indexing@JST】

分類 (3件)： 計算機網  (JC03000K) ,  データ保護  (JD01020V) ,  通信網  (ND07030A)

タイトルに関連する用語 (6件)： ML ,  ID ,  インターネット ,  ワームホール ,  攻撃 ,  機械学習